Qwen3.8 27B

1. 看图这件事，现在是原生能力了

以前不少本地模型碰到图片，多少还得拼一个额外的视觉模块。Qwen3.8-27B 从一开始就是原生多模态。

图片、图表、PDF、代码截图都能直接读，视频帧也在它的理解范围里。

更有意思的是电脑操作能力。OSWorld-Verified 测试中，它拿到 84.3 分，高于 Claude Opus 4.6 Max 的 72.7 分。

这种成绩对 Agent 比单纯“看图识字”更有参考价值。真正操作电脑时，模型得先看懂界面，再判断当前状态，最后决定点哪里、输入什么。视觉理解只是第一步，后面的操作链条才更考验模型。

2. 262K 上下文，够用比“够大”更重要

原生 262K Token，已经能装下很长的项目代码、论文、合同和知识库材料。

需要更长时，还能借助 YaRN 拉到 100 万 Token。

对开发者而言，最大的好处是少切文件。以前一个大项目要拆成很多段反复喂，现在可以一次给模型更多完整信息，让它自己梳理依赖和上下文。

但100 万 Token 写在参数表里很漂亮，真跑起来还是得看显存和速度。消费级硬件能不能舒服地把上下文拉满，是另一回事。

所以我更看重 262K 原生这一档——已经足够实用，而且硬件压力相对更现实。

3. 代码才是这次涨得最狠的地方

SWE-bench Pro 从上一代的 53.5 分涨到 61.7 分。

这个幅度值得单独拎出来。

SWE-bench 测的不是“给我写个冒泡排序”这种小题，而是让模型去理解已有项目、定位问题、修改文件，再验证改动有没有把别的地方弄坏。

也就说明，61.7 分背后对应的是更完整的软件工程能力。

拿它做 Coding Agent、自动修 Bug、代码库维护，意义会比单纯的代码生成分数大得多。

当然啦，跑分高不等于可以直接把云端旗舰模型全部换掉。大型仓库、复杂依赖和超长任务里，稳定性还是要自己拿真实项目测。

4. reasoning_effort：别让它每道题都写论文

这一代新增的 reasoning_effort，我反而觉得是最实用的功能之一。

简单问题没必要让模型想半天。摘要、格式转换、普通问答，把推理档位调低，能省时间，也省算力。

碰到复杂代码、逻辑分析或者 Agent 规划，再把思考深度拉高。

这对本地模型尤其重要，因为算力是你自己的。

有海外开发者做过一个很极端的测试：让它画一个“鹈鹕骑自行车”的 SVG。默认高思考强度下，模型跑了大约 2.2 万 Token 的推理，前后花了约 21 分钟。

能力没问题，问题是太认真。

所以 reasoning_effort 最好别一直拉满。简单任务开低档，体验反而更好。

5. 从 Qwen3.6-27B 到 3.8，27B 这个尺寸没白守

Qwen3.8-27B 最有意思的一点，是参数规模没有明显膨胀，但能做的事情更重了。

代码提升最直观。SWE-bench Pro 从 53.5 提升到 61.7，说明软件工程能力往前跨了一步。

办公和专业工作也在涨。JobBench 相关成绩相比上一代提升约 50%，对文档、表格、Office 类任务会更实用。

换句话而言，如果你原本已经有一套能跑 27B 模型的硬件，升级到这一代并不需要重新堆一台机器，却能换来更强的代码、办公和 Agent 能力。

这种升级对本地用户比“参数又大了多少”更有意义。

优势

27B 这个尺寸，是 Qwen3.8-27B 最大的魅力。

它还处在个人开发者和中小团队能自己部署的范围里，却把多模态、长上下文、代码、Agent 和可调推理深度都塞了进来。

Apache 2.0 也让它特别适合私有部署、微调和商业项目。对于不想把内部数据发到云端的团队，这一点甚至比 benchmark 更重要。

限制

本地能跑，不等于本地跑得快。

高 reasoning_effort 开着不管，很容易让简单任务也变成一场长跑；上下文拉到几十万甚至接近百万 Token 时，对显存和推理速度的压力也会迅速上升。

所以真正部署时，量化方式、上下文长度和 reasoning_effort 都得自己调。默认配置未必就是最好用的配置。

推荐人群

手里已经有 4090、3090 这类大显存显卡，或者本来就在做本地模型、Coding Agent、企业私有化部署的人，基本都值得试。

需要全量权重做微调的研究人员，也很适合这一版。

不推荐人群

需求只是聊天、写文案、偶尔总结几个文件，直接用在线服务会轻松得多。

没有合适硬件，又不想付 API 费用的人，也很难真正发挥它的价值。专门为了跑 Qwen3.8-27B 去买一张高端显卡，账未必算得过来。